ممتلئ

• الوصف :

تم تصميم مجموعة بيانات الأماكن وفقًا لمبادئ الإدراك البصري البشري. هدفنا هو بناء جوهر المعرفة المرئية التي يمكن استخدامها لتدريب الأنظمة الاصطناعية على مهام الفهم البصري عالية المستوى ، مثل سياق المشهد ، والتعرف على الأشياء ، والتنبؤ بالأحداث والأحداث ، واستنتاج نظرية العقل.

يتم تحديد الفئات الدلالية للأماكن من خلال وظيفتها: تمثل الملصقات مستوى دخول البيئة. للتوضيح ، تحتوي مجموعة البيانات على فئات مختلفة من غرف النوم ، أو الشوارع ، وما إلى ذلك ، حيث لا يتصرف المرء بنفس الطريقة ، ولا يقدم نفس التنبؤات لما يمكن أن يحدث بعد ذلك ، في غرفة نوم منزلية أو غرفة نوم فندق أو حضانة. في المجموع ، تحتوي الأماكن على أكثر من 10 ملايين صورة تضم أكثر من 400 فئة فريدة للمشهد. تحتوي مجموعة البيانات على 5000 إلى 30000 صورة تدريب لكل فصل ، بما يتوافق مع الترددات الواقعية للوقوع. باستخدام الشبكات العصبية التلافيفية (CNN) ، تتيح مجموعة بيانات الأماكن تعلم ميزات المشهد العميق لمختلف مهام التعرف على المشهد ، بهدف إنشاء عروض جديدة على أحدث طراز على معايير تتمحور حول المشهد.

نقدم هنا قاعدة بيانات الأماكن وشبكات CNN المدربة لأغراض البحث الأكاديمي والتعليم.

• الصفحة الرئيسية : http://places2.csail.mit.edu/

• كود المصدر : tfds.datasets.placesfull.Builder

• إصدارات :

  • 1.0.0 (افتراضي): لا توجد ملاحظات حول الإصدار.

• حجم التحميل : 143.56 GiB

• حجم مجموعة البيانات : 136.56 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

انشق، مزق	أمثلة
'train'	10653.087

• هيكل الميزة :

FeaturesDict({
    'filename': Text(shape=(), dtype=string),
    'image': Image(shape=(256, 256, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=435),
})

• وثائق الميزة :

ميزة	فصل	شكل	نوع	وصف
	الميزات
اسم الملف	نص		سلسلة
صورة	صورة	(256 ، 256 ، 3)	uint8
ضع الكلمة المناسبة	ClassLabel		int64

• المفاتيح الخاضعة للإشراف (راجع المستند as_supervised ): ('image', 'label', 'filename')

• الشكل ( tfds.show_examples ):

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@article{zhou2017places,
  title={Places: A 10 million Image Database for Scene Recognition},
  author={Zhou, Bolei and Lapedriza, Agata and Khosla, Aditya and Oliva, Aude and Torralba, Antonio},
  journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
  year={2017},
  publisher={IEEE}
}